Microsoft AI: MAI-Voice-2-Flash

MAI-Voice-2-Flash dari Microsoft AI menghasilkan ucapan ekspresif dalam 15 bahasa untuk asisten, dukungan pelanggan, dan menu lisan. Model ini menggabungkan penyampaian responsif dengan pustaka suara terkurasi, prompt suara referensi, dan kendali nada pada tingkat giliran.

Ailoot Ultra · Sintesis ucapan POST /v1/audio/speech microsoft/mai-voice-2-flash

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

MAI-Voice-2-Flash adalah model teks ke suara Microsoft AI yang dirancang untuk pengalaman suara responsif dengan volume penggunaan tinggi. Produsen menjelaskan prosodi alami, audio jernih, dan penyampaian ekspresif, dengan asisten, agen dukungan pelanggan, serta menu telepon sebagai sebagian tugas utamanya. Teks transkrip tertulis menjadi audio ucapan dengan suara pilihan. Flash merupakan varian khusus MAI-Voice-2, berbeda dari keluarga MAI-Voice-2.1 yang lebih baru.

Pemilihan bahasa dan suara

Kartu model khusus ini mendokumentasikan lima belas bahasa dan delapan belas varian lokal. Cakupannya meliputi bahasa Inggris, Italia, Spanyol, Hindi, Prancis, Jerman, Portugis, Korea, Tionghoa Sederhana, Turki, Rusia, Thai, Belanda, Rumania, dan Hungaria, dengan varian regional terpisah untuk beberapa bahasa. Pilih bahasa yang dimaksud dan siapkan susunan kata sebenarnya yang harus didengar pendengar. Perbedaan varian lokal dapat penting untuk salam, nama produk, atau pelafalan yang familier bagi audiens.

Microsoft mendokumentasikan dua jalur pemilihan suara: pustaka terkurasi dan prompt suara dari rekaman singkat. Pustaka menyediakan penutur yang sudah tersedia untuk narasi atau interaksi. Rekaman referensi menentukan identitas penutur berbeda melalui alur kerja suara kustom produsen. Pertahankan pilihan penutur secara konsisten di seluruh prompt terkait agar pesan pembuka, penjelasan, dan tindak lanjut terdengar seperti bagian dari satu pengalaman.

Nada untuk ucapan interaktif

Model mendukung kendali nada, penyampaian, dan emosi pada tingkat giliran. Untuk asisten suara, tulis instruksi pertama yang ringkas, lalu detail yang diperlukan pendengar. Kalimat praktis adalah: “Pilih dokumen yang ingin Anda buka. Jika Anda tidak yakin dengan judulnya, beri tahu saya apa isinya.” Naskah memberi pendengar tindakan yang jelas sambil menyisakan ruang untuk pertanyaan lanjutan.

Untuk percakapan pendidikan, pisahkan penjelasan dari pertanyaan yang harus dijawab pelajar. Untuk menu, buat nama opsi singkat dan gunakan susunan kata yang tetap jelas ketika didengar sekali. Nada harus mengikuti tujuan petikan: penenangan, instruksi, dan pertanyaan dapat memerlukan penyampaian berbeda sambil mempertahankan suara yang sama.

Persiapan suara referensi

Produsen menetapkan rekaman lima hingga enam puluh detik untuk prompt suara dan menjelaskan pencocokan penutur yang telah memberikan persetujuan tanpa pelatihan tambahan. Produsen menyarankan penyampaian percakapan alami dengan energi sedang, karena referensi berpengaruh besar terhadap hasil. Siapkan rekaman yang mewakili suara yang ingin digunakan, bukan penampilan dengan volume atau ekspresi ekstrem yang tidak berkaitan.

Mode ini didokumentasikan untuk suara yang diizinkan dan telah mendapat persetujuan. Alur kerja produsen dan pustaka suara prasetel merupakan jalur persiapan terpisah. Keluaran tetap berupa ucapan yang baru disintesis dari transkrip yang diberikan; rekaman menyediakan identitas penutur yang diinginkan.

Gunakan hasil ucapan

Gunakan Flash untuk interaksi yang balasannya harus disampaikan segera dan tetap mudah dipahami. Produsen memosisikan varian ini pada sifat responsif sambil mempertahankan prosodi dan kualitas akustik lini MAI-Voice-2. Pertahankan kaitan setiap giliran lisan dengan transkrip dan penuturnya agar nama penting, perintah, serta perubahan emosi dapat ditinjau dalam konteks.

Hasil yang berguna adalah petunjuk atau respons lisan yang jelas dalam bahasa dan suara yang diperlukan. Dengarkan susunan katanya sebagaimana audiens akan mendengarnya, terutama dalam rangkaian petunjuk. Spesifikasi lima belas bahasa dan delapan belas varian lokal model ini merupakan milik edisi Voice-2-Flash khusus ini; katalog bahasa yang diperluas dan detail suara terkelola versi berikutnya merupakan bagian dari profil masing-masing.

Ailoot Ultra · Sintesis ucapan POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Mulai

Masukan yang diterima: Teks
Hasil: Audio

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · Sintesis ucapan POST /v1/audio/speech

Masukan: text
Keluaran: audio
Format keluaran: mp3

Kolom	Jenis	Persyaratan	Nilai & batasan	Bawaan
Kolom`model`	Jenis`string`	PersyaratanWajib	Nilai & batasan microsoft/mai-voice-2-flash	Bawaan—
Kolom`input`	Jenis`string`	PersyaratanWajib	Nilai & batasan Panjang minimum: 1 Satuan: karakter Unicode	Bawaan—
Kolom`voice`	Jenis`string`	PersyaratanWajib	Nilai & batasan en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Bawaan—
Kolom`response_format`	Jenis`string`	PersyaratanWajib	Nilai & batasan mp3	Bawaan—

Kombinasi bahan masukan

text_to_speech · Wajib: input

Parameter metode dan siklus hidup

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, input, voice, response_format
Parameter`voice_ids`	Kontraken-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parameter`response_format`	Kontrakmp3
Parameter`max_input_characters`	Kontraknull
Parameter`other_options`	Kontrakfalse
Parameter`input`	Kontrakteks UTF-8 persis; jumlah karakter Unicode tanpa normalisasi
Parameter`material_types`	Kontraktext

Siklus hidup: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id aktual yang dikembalikan atau catatan pustaka media

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pilih suara yang tepat dari profil model ini.

Karakter masukan dan detik audio merupakan satuan pengukuran yang berbeda.

Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast: Tidak ditentukan Saat mode fast dipilih
Mode Flex: Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum: Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif Ailoot

Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

Konfigurasi	Jadwal tarif	Jumlah yang ditagihkan	Satuan penagihan	Biaya
KonfigurasiTarif dasar token	Jadwal tarifTarif dasar	Jumlah yang ditagihkan—	Satuan penagihan—	Biaya Masukan · Token masukan — / 1K token Keluaran · Token keluaran — / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token
KonfigurasiUltra	Jadwal tarif—	Jumlah yang ditagihkanSetiap titik kode Unicode dihitung sebagai satu karakter, termasuk karakter Han.	Satuan penagihanper 1K karakter masukan	Biaya Masukan · karakter masukan $0.03 per 1K karakter masukan

Detail tarif referensi

Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.

Microsoft AI: MAI-Voice-2-Flash

Harga menurut konfigurasi

Konfigurasi	Kondisi penagihan	Biaya
KonfigurasiMicrosoft AI: MAI-Voice-2-Flash · Konfigurasi bawaan	Kondisi penagihanKonfigurasi bawaan	Biaya Masukan · Karakter masukan US$0,00003 per karakter masukan

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Contoh permintaan

Ailoot Ultra · Sintesis ucapan

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Terima dan simpan hasil

Ailoot Ultra · Sintesis ucapan

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Pembacaan konten lain

Pustaka mediaStatus tugasDetail aset

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan hasil biner dan header secara lengkap. Jika JSON atau beberapa keluaran dikembalikan, simpan setiap item data dan ambil data dari setiap URL aset bertanda tangan yang benar-benar dikembalikan.

Jika respons asli perlu diperiksa

Simpan operation_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio.

Kolom respons

Kolom	Jenis
Kolom`binary audio`	Jenisbytes
Kolom`response headers`	Jenisheaders

Kesalahan dan langkah berikutnya

Respons	Kondisi	Langkah berikutnya
Respons400 · `invalid_request_error`	KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid	Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.
Respons`server_error`	KondisiRespons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa	Langkah berikutnyaSimpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan.

Alias

Alias model

Ailoot Ultra microsoft/mai-voice-2-flash

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Input dan hasil apa yang tersedia?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Kolom apa yang digunakan permintaan?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash